以智算中心加快形成新质生产力
作者：中国信息通信研究院云大所总工程师，正高级工程师 郭亮
【慧聪通信网】近年来，生成式人工智能（AIGC）技术的快速发展，极大地提升了人工智能的应用范围和服务水平，使人工智能具备了先进的生产创作和决策支撑能力，更好地服务于人们的生产生活。与此同时，作为AIGC的基础，大模型在训练过程中，需要大规模智能算力的支撑。
我国持续支持智算产业发展，加快推动数字经济和实体经济融合发展，并面向经济社会发展和国家重大战略需求，充分发挥算力驱动作用，以智算中心为抓手协同带动智算上下游产业发展，为数字经济高质量发展注入了新动能。2023年10月，工信部等六部门联合发布《算力基础设施高质量发展行动计划》，提出到2025年，我国算力规模超过300EFlops，智能算力占比达到35%。同时，在重点任务中提出鼓励各方创新探索智算建运模式和多方协作机制，满足智算在公共场景中的应用需求。
顺应数字经济大潮，全国各地均在积极布局算力赛道，为我国经济发展提供了强大的算力支撑。从算力规模来看，截至2023年6月，我国智能算力规模占整体算力规模比例提高到25.4%，增速达到45%。从建设布局来看，包括北京、上海、深圳、武汉、西安、成都、南京、大连等在内，全国已有超过30个城市正在积极推动智算中心建设，北上广等东部城市智算中心建设数量多且规模大。从产业生态来看，我国已形成了涵盖供配电、制冷、异构芯片、算法、框架为一体的智算产业链，且产业链各环节均有国内厂商参与。智算产业发展面临的挑战主要表现为四个方面。
一是单体智算中心规模较小，“小高炉炼铁”模式难以为大模型数据训练提供足够的算力支持。大模型进行模型训练需要大量智能算力支撑，随着模型规模的不断提升，完成模型训练所需的智能算力规模也在持续提升。以GPT为例，训练一次需要的总算力约为3640PF-days，即假如每秒计算一千万亿次，需要计算3640天。我国现有智算中心规模大多在100P~200P，单体规模不足，难以支撑大模型训练。
二是自研芯片性能与国外品牌存在差距，存在基础不牢的风险。当前，全球智算芯片市场以英伟达为主，技术水平处于绝对领先地位。为突破国外限制，国产芯片厂商不断创新突破，涌现出华为、寒武纪等一批优秀智算芯片企业，基本能够满足推理场景下的算力需求，但由于单芯片能力与国外品牌仍存在较大差距，在支撑海量数据训练时表现不足，难以有效推动智算产业高效研发及应用。
三是现有网络难以适应智算互联需求，亟需以太网技术革命性突破。与通用计算相比，智算卡间通信以及算存设备间通信变得更为频繁，链路流量明显增大，对拥塞、丢包等网络问题更为敏感。传统以太网在拥塞控制、带宽等方面表现不足，IB网络可实现服务器间高速互联，但技术封闭且长期由国外厂商掌握。中国信通院、中国移动等国内企事业单位正在积极推动以太网技术创新。
四是智算功率密度大幅提升，对供配电、制冷等配套设施提出了新的要求。为了适应海量数据大规模运算，智算服务器、处理器性能相对更高，且服务器大多采用高密部署，其功率是通用服务器的数倍，这对电源功率、供电效率、安全保护等提出了更高的要求。除此之外，由于功率的提升，服务器散热量也进一步提高，传统风冷解决方案亟需创新突破，以满足智算发展要求。
